論文の概要: Agentic AI for Substance Use Education: Integrating Regulatory and Scientific Knowledge Sources

• arxiv url: http://arxiv.org/abs/2605.00383v1
• Date: Fri, 01 May 2026 04:06:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.840125
• Title: Agentic AI for Substance Use Education: Integrating Regulatory and Scientific Knowledge Sources
• Title（参考訳）: 物質利用教育のためのエージェントAI : 規制と科学知識の統合
• Authors: Kosar Haghani, Zahra Kolagar, Mohammed Atiquzzaman,
• Abstract要約: 我々は、DEAレコードとピアレビューされた文献をリアルタイムで組み合わせ、物質利用教育を提供するエージェントベースのAIウェブアプリケーションを構築した。 専門分野の専門家5名を対象に,30項目の質問紙を作成した専門家評価調査を行った。 2つの独立したレーダは、90のシステムインタラクションを4つの基準で5点のLikert尺度を用いて評価した。
• 参考スコア（独自算出の注目度）: 5.576275116985786
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The delivery of traditional substance education has remained problematic due to challenges in scalability, personalization, and the currency of information in a rapidly evolving substance use landscape. While artificial intelligence (AI) offers a promising frontier for enhancing educational delivery, its application in providing real-time, authoritative substance use education remains largely underexplored. We built an agentic-based AI web application that combined Drug Enforcement Administration records with peer-reviewed literature in real-time to provide transparent context-sensitive substance use education. The system uses retrieval-augmented generation with a carefully filtered corpus of 102 documents and dynamic PubMed queries. Document storage was semantically chunked and placed in a vector representation in order to be easily retrieved. We conducted an expert evaluation study in which a panel of five subject matter experts generated 30 domain-specific questions, and two independent raters assessed 90 system interactions (30 primary questions plus two contextual follow-ups each) using a five-point Likert scale across four criteria: factual accuracy, citation quality, contextual coherence, and regulatory appropriateness. Mean ratings ranged from 4.18 to 4.35 across the four criteria (overall category range: 4.05-4.52), with substantial inter-rater agreement (Cohen's kappa = 0.78). These findings suggest that agentic AI architectures integrating authoritative regulatory sources with real-time scientific literature represent a promising direction for scalable, accurate, and verifiable health education delivery, warranting further evaluation through longitudinal user studies.
• Abstract（参考訳）: 従来の物質教育の提供は、スケーラビリティ、パーソナライゼーション、そして急速に進化する物質利用の風景における情報の通貨化の難しさにより、依然として問題となっている。 人工知能(AI)は、教育提供を促進するための有望なフロンティアを提供するが、リアルタイムの権威のある物質利用教育への応用は、いまだに未熟である。 我々はエージェントベースのAIウェブアプリケーションを構築し、薬物強制管理記録とピアレビューされた文献をリアルタイムで組み合わせ、透明な文脈に敏感な物質使用教育を提供する。 このシステムは、102のドキュメントと動的PubMedクエリからなる注意深くフィルタリングされたコーパスを備えた検索拡張生成を使用する。 ドキュメントストレージは、簡単に検索できるように、意味的にチャンクされ、ベクトル表現に置かれる。 被験者5名のパネルで30のドメイン固有の質問を発生させ,90のシステムインタラクション(30のプライマリな質問と2つの文脈的フォローアップ)を5つの基準(事実的正確性,引用品質,文脈的コヒーレンス,規制的適切性)で評価した。 平均評価は4つの基準で4.18から4.35まで(全カテゴリーで4.05-4.52)、実質的なラッター間合意(コーエンのカッパ=0.78)である。 これらの結果は、権威的な規制資料とリアルタイム科学文献を統合するエージェントAIアーキテクチャが、スケーラブルで、正確で、検証可能な健康教育のデリバリに有望な方向を示し、縦断的なユーザスタディを通じてさらなる評価を保証していることを示唆している。

関連論文リスト

• A Discipline-Agnostic AI Literacy Course for Academic Research: Architecture, Pedagogy, and Implementation [0.0]
  ジェネレーティブAIを学術リテラシーに迅速に統合するためには、学生にツールの習熟度だけでなく、専門的な聴衆に奉仕する技術AI開発コースと、持続的で実践ベースの能力の厳格な研究が要求される短い一般リテラシー介入という2つの極に、これらのツールを責任を持って使用するという批判的な判断を、カリキュラムが要求される。 本稿では、厳格なAI支援文学レビューに必要な不足する能力に対処する、リーハイ大学におけるコースの設計、理性、実装について報告する。
  論文  参考訳（メタデータ） (2026-04-29T21:47:00Z)
• AutoResearchBench: Benchmarking AI Agents on Complex Scientific Literature Discovery [55.70879973230979]
  AutoResearchBenchは、自律的な科学文献発見のためのベンチマークである。 エージェントWebブラウジングに関する以前のベンチマークと比較すると、AutoResearchBenchは研究指向である。 最も強力なLCMでさえ、BrowseCompのような一般的なエージェントによるWebブラウジングベンチマークをほとんど征服したにもかかわらず、Deep Researchでは9.39%、Wide Researchでは9.31%の精度しか達成していない。
  論文  参考訳（メタデータ） (2026-04-28T06:05:17Z)
• ScholarPeer: A Context-Aware Multi-Agent Framework for Automated Peer Review [48.60540055009675]
  ScholarPeerは、上級研究者の認知過程をエミュレートするために設計された、検索可能なマルチエージェントフレームワークである。 We evaluate ScholarPeer on DeepReview-13K and the results showed that ScholarPeer achieve significant win-rates against state-of-the-art approach in side-side-side evaluations。
  論文  参考訳（メタデータ） (2026-01-30T06:54:55Z)
• RPC-Bench: A Fine-grained Benchmark for Research Paper Comprehension [65.81339691942757]
  RPC-Bench(RPC-Bench)は、高品質なコンピュータサイエンス論文のレビュー・リビューの交換から構築された大規模質問応答ベンチマークである。 我々は、科学研究の流れに沿ったきめ細かい分類を設計し、モデルがなぜ、何、どのように学術的な文脈で質問するかを理解し、答える能力を評価する。
  論文  参考訳（メタデータ） (2026-01-14T11:37:00Z)
• SciNetBench: A Relation-Aware Benchmark for Scientific Literature Retrieval Agents [12.057215000080705]
  本稿では,文献検索エージェントのためのSciNetBenchを提案する。 本ベンチマークでは,新しい知識構造を持つ論文のエゴ中心検索,学術的関係のペアワイド同定,科学的進化的軌道のパスワイド再構築の3つのレベルを体系的に評価した。 関係認識検索タスクの精度は20%以下に低下することが多く、現在の検索パラダイムの中核的な欠点が浮かび上がっている。
  論文  参考訳（メタデータ） (2025-12-16T02:53:02Z)
• AstaBench: Rigorous Benchmarking of AI Agents with a Scientific Research Suite [75.58737079136942]
  本稿では,AstaBenchについて紹介する。AstaBenchは,科学的研究を行うためのエージェント能力の総合的な測定を行うスイートである。 私たちのスイートには、プロダクショングレードの検索ツールを備えた、最初の科学研究環境が付属しています。 22のエージェントクラスで57のエージェントを評価したところ,いくつかの興味深い結果が得られた。
  論文  参考訳（メタデータ） (2025-10-24T17:10:26Z)
• LiveResearchBench: A Live Benchmark for User-Centric Deep Research in the Wild [86.6586720134927]
  LiveResearchBenchは、日々の生活、企業、アカデミックにまたがる100の専門家によるタスクのベンチマークである。 DeepEvalは、コンテンツレベルの品質とレポートレベルの品質の両方をカバーする包括的なスイートである。 我々の分析は、信頼性と洞察に富んだ深い研究を進めるために必要な、現在の強み、繰り返し発生する障害モード、および重要なシステムコンポーネントを明らかにします。
  論文  参考訳（メタデータ） (2025-10-16T02:49:16Z)
• Automated Classification of Tutors' Dialogue Acts Using Generative AI: A Case Study Using the CIMA Corpus [10.325932865188514]
  このケーススタディでは、教師の回答を4つのDAカテゴリに事前にアノテートしたオープンソースのCIMAコーパスを用いている。 その結果, GPT-4は80%の精度, F1スコア0.81, Cohen's Kappa0.74を得た。
  論文  参考訳（メタデータ） (2025-09-11T03:36:03Z)
• CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
  我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。 また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
  論文  参考訳（メタデータ） (2025-08-28T06:03:11Z)
• RelevAI-Reviewer: A Benchmark on AI Reviewers for Survey Paper Relevance [0.8089605035945486]
  本稿では,調査論文レビューの課題を分類問題として概念化するシステムであるRelevAI-Reviewerを提案する。 25,164のインスタンスからなる新しいデータセットを導入する。各インスタンスには1つのプロンプトと4つの候補論文があり、それぞれがプロンプトに関連している。 我々は,各論文の関連性を判断し,最も関連性の高い論文を識別できる機械学習(ML)モデルを開発した。
  論文  参考訳（メタデータ） (2024-06-13T06:42:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。